忘關烤箱了?我用 Python 和 OpenCV 來幫忙

這篇文章應用計算機視覺和圖像處理技術，展示了檢測烤箱開關狀態的過程。在生活中，有時你會粗心大意忘關烤箱之類的廚房電器，這潛在很大的危險。因此作者採用 Python 和 OpenCV，通過家庭攝像頭獲取的圖像來自動識別烤箱是否開著，進而可以觸發警報。

「我忘關烤箱了嗎？」

這個問題常常會在最不方便的時候出現在你的腦子裡。

有時是當你剛剛走出家門的時候。 有時是當你在上班路上的時候。 有時是當你坐在飛機上準備度個長假的時候……

解決這個問題的方法是多種多樣的：

橡皮筋的方法大聲說或唱出來（就像 Samuel L. Jackson 一樣）當你離開家去度假的時候，給烤箱在內的電器列個清單或做個標記。 或者，我們也許有更好的做法……

在本教程中，我們會嘗試利用技術手段解決這個問題。

Github 裡有完整代碼。

問題定義

對我們而言，我們需要確定一個信號，用於判斷烤箱的開關狀態。在我的廚房裡，這個信號就是頂部標記著「烤箱開」字樣的紅色燈。

當紅色燈亮的時候，烤箱是開著的：

當紅色燈滅的時候，烤箱是關著的：

預備條件

確保你的電腦上安裝了以下應用：

OpenCV 3.0Python 2.7Numpy 1.9

安裝 OpenCV3.0 和 Python 2.7

如果你尚未安裝 OpenCV，請按照 Adrian Rosebrock 的完美教程，在 OSX 系統上安裝 OpenCV 3.0 和 Python 2.7+。我在安裝步驟裡增加了一些自己的注釋，以防你在 OSX 上編譯 OpenCV 3.0時遇到問題。

步驟

如果你已經成功在你的環境中安裝了 OpenCV，我們就可以開始判斷烤箱開關的數據分析了。

加載需要的包

argparse —— 參數處理庫。numpy —— 高度優化的數值運算庫。OpenCV 在數組結構中使用 numpy。cv2 —— OpenCV 中圖像處理庫。

import argparseimport numpy as npimport cv2

載入圖片

image = cv2.imread(image_path)

圖片降噪

我們為了給圖片降噪，需要對輸入圖片進行平滑處理。這樣會更容易在圖片中定位目標。使用 medianBlur 函數，把光圈大小定為 3 。數字越大意味著圖像會越模糊。

blur_image = cv2.medianBlur(image, 3)

把圖片顏色轉為 HSV 格式

HSV —— 色度、飽和度和純度（亮度）。HSV 可以讓我們提取出一個彩色對象，因為它比 BGR 格式（譯者註：與我們常說的RBG色彩模型類似，三個字母分別代表紅藍綠三色）更容易表徵顏色。

把圖片轉為 HSV 格式可以讓我們通過色度（一個值而不是三個值），來確定圖片中的一個顏色。

以下是實現方式：

hsv_image = cv2.cvtColor(blur_image, cv2.COLOR_BGR2HSV)

執行結果如下圖：

檢測圖片中的顏色

為了檢測我們想要的顏色，我們可以查看烤箱燈圖片中顏色的直方圖。

我們可以看出，紅色在圖片中佔統治地位。紅色有兩個高峰 —— 一個幅度高，一個幅度低。這些顏色值轉變為色度範圍從 0 到10，以及從 160 到 180 （針對紅色）。

在 HSV 圖片中針對每一個色度範圍，我們可以創建一個遮罩，來去掉所有不在選定範圍的無關顏色。

def create_hue_mask(image, lower_color, upper_color):lower = np.array(lower_color, np.uint8) upper = np.array(upper_color, np.uint8) # Create a mask from the colors mask = cv2.inRange(image, lower, upper) output_image = cv2.bitwise_and(image, image, mask = mask) return output_image# Get lower red huelower_red_hue = create_hue_mask(hsv_image, [0, 100, 100], [10, 255, 255])# Get higher red huehigher_red_hue = create_hue_mask(hsv_image, [160, 100, 100], [179, 255,255])

結果如下：

接下來把這些圖片合併在一起，以抓取所有紅色色度。

full_image = cv2.addWeighted(lower_red_hue, 1.0, higher_red_hue, 1.0, 0.0)

結果如下：

發現圖片中的圓圈

現在我們的圖片上僅有紅色色度，接著我們需要判定紅燈是否開啟（即是否存在紅色色度的那個圓圈）。我們需要在新圖中發現圓圈，不過首先需要把圖片轉換成灰度圖（因為 HoughCircles 函數的輸入要求是灰度圖）。

檢測圖片中的圓圈需要以下參數（使用 OpenCV中 的 HoughCircles 函數）：

灰度圖輸入。HOUGH_GRADIENT 是用來檢測圓圈的方法（目前僅有的一個方法）。累加器和圖片解析度的反比。在本例中，為1.2。待檢測圓圈圓心的最小距離，本例中為100。

#Convert image to grayscaleimage_gray = cv2.cvtColor(full_image, cv2.COLOR_BGR2GRAY)#Find circles in the imagecircles = cv2.HoughCircles(image_gray, cv2.HOUGH_GRADIENT, 1.2, 100)

結果

此時就可以檢查是否有圓圈了。如果有就意味著至少有一個烤箱燈亮著。如果找不到圓圈就意味著沒有燈亮，烤箱關著。

為了證明此結論，我們可以用下述代碼在原圖中畫圓圈：

# Draw the circles on the original imagecircles = np.round(circles[0, :]).astype("int")for (center_x, center_y, radius) in circles:cv2.circle(image, (center_x, center_y), radius, (0, 255, 0), 4)

結果如下：

下一步

接下來還有很多可以做的，比如：

檢測特定燈的開啟，用以了解烤箱的真實狀態。建立一個服務以便遠程檢查烤箱狀態。把該功能加入樹莓派（譯者註：基於Linux的迷你開發板），我們就擁有可以警告烤箱關閉與否的小型設備。

全部樣例代碼可以在 Github 中找到。

Github連結：https://github.com/kazuar/opencv_light_detection

End